Identification of structural damage, ground motion response, and the benefits of dense seismic instrumentation

Abstract

This study explores the problems of identifying structural damage in steel frame buildings, through the use of dense instrumentation over the height of the building, and of characterizing the ground motion response in urban Los Angeles following the 2019 Ridgecrest earthquakes, through the use of dense instrumentation from available seismic networks, including the very dense Community Seismic Network. First we explore the possibility of tracing possible nonlinear behavior of a structure by updating an equivalent linear system model in short time segments of the earthquake-induced excitation and response time histories, using a moving time window approach. The stiffness and damping related parameters of the equivalent linear model are estimated by minimizing a measure of fit between the measured and model predicted response time histories for each time window. We explore the effectiveness of the methodology for two example applications, a single-story and a six-story steel moment frame building. For the single-story building, the methodology is shown to be very effective in tracing the nonlinearities, while the six-story building is designed to also reveal the limitations of the methodology, mainly arising from the different types of model errors manifested in the formulation. Next, we investigate the problem of structural damage identification through the use of sparse Bayesian learning (SBL) techniques. This is based on the premise that damage in a structure appears only in a limited number of locations. SBL methods that had been previously applied for structural damage identification used measurements related to modal properties and were thus limited to linear models. Here we present a methodology that allows for the application of SBL in non-linear models, using time history measurements recorded from a dense network of sensors installed along the building height. We develop a two-step optimization algorithm in which the most probable values of the structural model parameters and the hyper-parameters are iteratively obtained. An equivalent single-objective minimization problem that results in the most probable model parameter values is also derived. We consider the example problem of identifying damage in the form of weld fractures in a 15-story moment resisting steel frame building, using a nonlinear finite element model and simulated acceleration data. Fiber elements and a bilinear material model are used in order to account for the change of local stiffness when cracks at the welds are subjected to tension and the model parameters characterize the loss of stiffness as the crack opens under tension. The damage identification results demonstrate the effectiveness and robustness of the proposed methodology in identifying the existence, location, and severity of damage for a variety of different damage scenarios, and degrees of model and measurement errors. The results show the great promise of the SBL methodology for damage identification by integrating nonlinear finite element models and response time history measurements. The final part of the thesis involves studying the ground motion response in urban Los Angeles during the two largest events (M7.1 and M6.4) of the 2019 Ridgecrest earthquake sequence using recordings from multiple regional seismic networks as well as a subset of 350 stations from the much denser Community Seismic Network. The response spectral (pseudo) accelerations for a selection of periods of engineering significance are calculated. Significant spectral acceleration amplification is present and reproducible between the two events. For the longer periods, coherent spectral acceleration patterns are visible throughout the Los Angeles Basin, while for the shorter periods, the motions are less spatially coherent. The dense Community Seismic Network instrumentation allows us to observe smaller-scale coherence even for these shorter periods. Examining possible correlations of the computed response spectral accelerations with basement depth and Vs30, we find the correlations to be stronger for the longer periods. Furthermore, we study the performance of two state-of-the-art methods for estimating ground motions for the largest event of the Ridgecrest earthquake sequence, namely 3D finite difference simulations and ground motion prediction equations. For the simulations, we are interested in the performance of the two Southern California Earthquake Center 3D Community Velocity Models (CVM-S and CVM-H). For the ground motion prediction equations, we consider four of the 2014 Next Generation Attenuation-West2 Project equations. For some cases, the methods match the observations reasonably well; however, neither approach is able to reproduce the specific locations of the maximum response spectral accelerations, or match the details of the observed amplification patterns.

Αυτή η μελέτη διερευνά τα προβλήματα του εντοπισμού δομικής βλάβης σε κτίρια από χαλύβδινο σκελετό, μέσω της χρήσης πυκνών μετρητικών οργάνων κατά μήκος του ύψους του κτιρίου, καθώς και του χαρακτηρισμού της απόκρισης της κίνησης του εδάφους στον αστικό ιστό του Los Angeles μετά από την σεισμική ακολουθία του Ridgecrest το 2019, μέσω της χρήσης πυκνού πλέγματος μετρητικών οργάνων από διαθέσιμα σεισμικά δίκτυα, συμπεριλαμβανομένου του πολύ πυκνού Community Seismic Network. Αρχικά διερευνούμε τη δυνατότητα ανίχνευσης πιθανής μη-γραμμικής συμπεριφοράς μιας κατασκευής μέσω ενημέρωσης ενός ισοδύναμου γραμμικού μοντέλου του συστήματος σε μικρά χρονικά τμήματα των χρονοϊστοριών (time histories) της διέγερσης και της απόκρισης που προκαλούνται από σεισμό, χρησιμοποιώντας μια προσέγγιση κινούμενου χρονικού παραθύρου. Οι παράμετροι που σχετίζονται με την στιβαρότητα και την απόσβεση του ισοδύναμου γραμμικού μοντέλου εκτιμώνται ελαχιστοποιώντας ένα κριτήριο σύγκρισης μεταξύ των χρονοϊστοριών της μετρούμενης και της προβλεπόμενης απόκρισης για κάθε χρονικό παράθυρο. Διερευνούμε την αποτελεσματικότητα της μεθοδολογίας για δύο παραδείγματα εφαρμογών, ένα μονώροφο και ένα εξαώροφο κτίριο με χαλύβδινο πλαίσιο ροπής (steel moment frame). Για το μονώροφο κτίριο, η μεθοδολογία αποδεικνύεται πολύ αποτελεσματική στον εντοπισμό των μη-γραμμικοτήτων, ενώ το εξαώροφο κτίριο έχει σχεδιαστεί για να αποκαλύπτει τους περιορισμούς της μεθοδολογίας, οι οποίοι προκύπτουν κυρίως από τους διαφορετικούς τύπους σφαλμάτων μοντέλου (model errors) που υπάρχουν. Στη συνέχεια, διερευνούμε το πρόβλημα της αναγνώρισης δομικής βλάβης μέσω της χρήσης της τεχνικής Sparse Bayesian Learning (SBL). Αυτό βασίζεται στην προϋπόθεση ότι η βλάβη σε μια κατασκευή εμφανίζεται μόνο σε περιορισμένο αριθμό θέσεων. Κατά το παρελθόν, οι μέθοδοι SBL που είχαν εφαρμοστεί για τον εντοπισμό δομικής βλάβης χρησιμοποιούσαν μετρήσεις που σχετίζονται με ιδιομορφικές ιδιότητες και, επομένως, είναι περιορισμένες σε γραμμικά μοντέλα. Παρουσιάζουμε μια μεθοδολογία που επιτρέπει την εφαρμογή της τεχνικής SBL σε μη-γραμμικά μοντέλα, χρησιμοποιώντας μετρήσεις χρονοϊστοριών που καταγράφονται από ένα πυκνό δίκτυο αισθητήρων εγκατεστημένων κατά μήκος του ύψους του κτιρίου. Αναπτύσσουμε έναν αλγόριθμο βελτιστοποίησης δύο βημάτων (two-step optimization algorithm) στον οποίο λαμβάνονται επαναληπτικά οι πιο πιθανές τιμές των παραμέτρων του δομικού μοντέλου (structural model parameters) καθώς και των υπερπαραμέτρων (hyper-parameters). Παράγεται επίσης ένα ισοδύναμο πρόβλημα ελαχιστοποίησης (single-objective minimization problem) που έχει ως αποτέλεσμα τις πιο πιθανές τιμές των παραμέτρων του μοντέλου. Ως παράδειγμα εξετάζουμε το πρόβλημα της αναγνώρισης βλάβης με τη μορφή θραύσεων συγκόλλησης σε ένα κτήριο χαλύβδινου πλαισίου ροπής (steel moment frame) 15 ορόφων, χρησιμοποιώντας ένα μη γραμμικό μοντέλο πεπερασμένων στοιχείων και προσομοιωμένα δεδομένα επιτάχυνσης. Πεπερασμένα στοιχεία ινών (fiber elements) και ένα μοντέλο διγραμμικού υλικού (bilinear material model) χρησιμοποιούνται για να ληφθεί υπόψη η τοπική αλλαγή στιβαρότητας όταν οι ρωγμές στις συγκολλήσεις υπόκεινται σε εφελκυσμό και οι παράμετροι του μοντέλου χαρακτηρίζουν την απώλεια στιβαρότητας καθώς η ρωγμή ανοίγει υπό τάση. Τα αποτελέσματα της αναγνώρισης βλαβών αναδεικνύουν την αποτελεσματικότητα και την στιβαρότητα της προτεινόμενης μεθοδολογίας στον προσδιορισμό της ύπαρξης, της θέσης και της έντασης της βλάβης για ποικιλία διαφορετικών σεναρίων βλάβης και διαφόρων βαθμών σφαλμάτων μοντέλου και μέτρησης (model and measurement errors). Τα αποτελέσματα δείχνουν πως η μεθοδολογία SBL είναι πολλά υποσχόμενη για αναγνώριση βλάβης συνδυάζοντας μη-γραμμικά μοντέλα πεπερασμένων στοιχείων και μετρήσεις χρονοϊστοριών απόκρισης. Το τελευταίο μέρος της διατριβής περιλαμβάνει τη μελέτη της απόκρισης κίνησης του εδάφους στον αστικό ιστό του Los Angeles κατά τη διάρκεια των δύο μεγαλύτερων σεισμικών συμβάντων (M7.1 και M6.4) της σεισμικής ακολουθίας του Ridgecrest το 2019 χρησιμοποιώντας μετρήσεις από πολλαπλά τοπικά σεισμικά δίκτυα καθώς και ένα υποσύνολο 350 σταθμών από το πολύ πιο πυκνό Community Seismic Network. Υπολογίζονται τα φάσματα απόκρισης επιτάχυνσης (response spectral pseudo-accelerations) για μια επιλογή περιόδων ενδιαφέροντος στην αντισεισμική μηχανική. Τα αποτελέσματα αναδεικνύουν σημαντική ενίσχυση των φασμάτων απόκρισης επιτάχυνσης, η οποία μπορεί να αναπαραχθεί και για τα δύο σεισμικά συμβάντα. Για τις μεγαλύτερες περιόδους, τα μοτίβα επιτάχυνσης είναι ορατά και συνεκτικά σε όλη τη λεκάνη του Los Angeles, ενώ για τις μικρότερες περιόδους, οι κινήσεις έχουν μικρότερη χωρική συνοχή. Τα πυκνά όργανα του Community Seismic Network, μας επιτρέπουν να παρατηρούμε την συνοχή μικρότερης κλίμακας ακόμη και για αυτές τις μικρότερες περιόδους. Εξετάζοντας πιθανούς συσχετισμούς των υπολογισμένων φασμάτων απόκρισης επιτάχυνσης με το βάθος λεκάνης και τα Vs30, βρίσκουμε ότι οι συσχέτιση είναι ισχυρότερη στις μεγαλύτερες περιόδους. Επιπλέον, μελετάμε την απόδοση δύο από τις πιο σύγχρονες μεθόδους για την εκτίμηση των κινήσεων του εδάφους για το μεγαλύτερο συμβάν της σεισμικής ακολουθίας του Ridgecrest, τις τριδιάστατες προσομοιώσεις πεπερασμένων διαφορών (3D finite difference simulations) και τις εξισώσεις πρόβλεψης κίνησης εδάφους (ground motion prediction equations). Για τις προσομοιώσεις, μας ενδιαφέρει η απόδοση των δύο τριδιάστατων μοντέλων ταχύτητας (3D Community Velocity Models) του Southern California Earthquake Center (CVM-S και CVM-H). Για τις εξισώσεις πρόβλεψης κίνησης εδάφους, εξετάζουμε τέσσερις από τις προτεινόμενες εξισώσεις του 2014 Next Generation Attenuation-West2 Project. Σε ορισμένες περιπτώσεις, οι μέθοδοι ταιριάζουν αρκετά καλά με τις παρατηρήσεις. Ωστόσο, καμία προσέγγιση δεν είναι σε θέση να αναπαράγει τις συγκεκριμένες θέσεις των μέγιστων φασμάτων απόκρισης επιτάχυνσης καθώς και να ταιριάζει με τις λεπτομέρειες των παρατηρούμενων μοτίβων ενίσχυσης.